這種分類(lèi)和轉(zhuǎn)移過(guò)程使林雪平大學(xué)的研究人員能夠發(fā)現(xiàn)新的疾病相關(guān)基因組。該技術(shù)的基礎(chǔ)應(yīng)有助于提高精確(個(gè)性化)醫(yī)學(xué)的水平，從而針對(duì)不同情況提供更可靠的個(gè)性化治療形式。

生物技術(shù)的方向是構(gòu)建生物網(wǎng)絡(luò)圖。這些網(wǎng)絡(luò)涉及不同蛋白質(zhì)或基因如何相互作用。這是一項(xiàng)復(fù)雜的任務(wù)，人工智能的應(yīng)用幫助簡(jiǎn)化了這一過(guò)程。

所使用的人工智能的特定形式是一種稱為“人工神經(jīng)網(wǎng)絡(luò)”的深度學(xué)習(xí)。要開(kāi)發(fā)“連接系統(tǒng)”，需要使用生物學(xué)數(shù)據(jù)對(duì)平臺(tái)進(jìn)行培訓(xùn)。

隨著時(shí)間的推移，研究證明了他們的“人工神經(jīng)網(wǎng)絡(luò)如何能夠分析大量復(fù)雜數(shù)據(jù)。

通過(guò)使用包含與數(shù)百人相關(guān)的20,000個(gè)基因的數(shù)據(jù)集，可以證明這一點(diǎn)。信息顯示為“未排序”。然后，將人工智能用于評(píng)估與疾病患者相關(guān)的哪些基因表達(dá)模式，而不是與健康人相關(guān)的那些基因表達(dá)模式。為此，系統(tǒng)需要在蛋白質(zhì)，蛋白質(zhì)和細(xì)胞類(lèi)型之間找到隱藏的數(shù)據(jù)集。

這項(xiàng)工作使研究人員能夠訓(xùn)練人工智能以在新數(shù)據(jù)集中找到基因表達(dá)模式。

首席科學(xué)家Sanjiv Dwivedi表示：“我們第一次使用深度學(xué)習(xí)來(lái)發(fā)現(xiàn)與疾病相關(guān)的基因。在分析大量生物信息或“大數(shù)據(jù)”時(shí)，這是一種非常強(qiáng)大的方法。”

該項(xiàng)目的下一階段將涉及與其他研究機(jī)構(gòu)合作，以通過(guò)評(píng)估給定患者的遺傳模式來(lái)探索如何開(kāi)發(fā)針對(duì)特定患者的藥物。